- 上一篇：基于多模块结构的光伏发电直流系统设计
- 下一篇：温室苗床自动灌溉系统设计
uF(u)=1 if u=G(x)
(2)将精确量转换为标准论域上的模糊子集。
对应关系转换为标准论域上的基本元素,在该元素上具有最大隶属度的模糊子集,即为该精确量对应的模糊子集。
3.3.4模糊推理
最基本的模糊推理形式为:
前提1 IF A THEN B
前提2 IF A′
结论 THEN B′
其中,A、A′为论域U上的模糊子集,B、B′为论域V上的模糊子集。前提1称为模糊蕴涵关系,记为A→B。在实际应用中,一般先针对各条规则进行推理,然后将各个推理结果总合而得到最终推理结果。
3.3.5精确化
推理得到的模糊子集要转换为精确值,以得到最终控制量输出y。目前常用两种精确化方法:
(1)最大隶属度法。在推理得到的模糊子集中,选取隶属度最大的标准论域元素的平均值作为精确化结果。
(2)重心法。将推理得到的模糊子集的隶属函数与横坐标所围面积的重心所对应的标准论域元素作为精确化结果。
在得到推理结果精确值之后,还应按对应关系,得到最终控制量输出y。
3.4 模糊控制理论主要研究内容
理论主要研究内容:模糊控制稳定性,模糊模型的辨识,模糊最优控制,模糊自适应控制,与其他控制结合等。如将智能控制与传统控制方法相结合,产生了模糊变结构控制(FVSC),自适应模糊控制(AFC),自适应神经网络控制(ANNC),神经网络变结构控制(NNVAC),神经网络预测控制(ANNPC),模糊预测控制(FPC),专家模糊控制(EFC),模糊神经网络控制(FNNC),专家神经网络控制(ENNC)等方法。
3.5 模糊控制的特点
简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。
利用控制法则来描述系统变量间的关系。
不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式。
模糊控制器是一语言控制器，使得操作人员易于使用自然语言进行人机对话。
模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性及强健性(Robustness)、较佳的容错性(Fault Tolerance)。
.6 模糊控制的缺点
1.模糊控制的设计尚缺乏系统性，这对复杂系统的控制是难以奏效的。所以如何建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法等一系列问题；
2.如何获得模糊规则及隶属函数即系统的设计办法，这在目前完全凭经验进行；
3.信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。若要提高精度则必然增加量化级数，从而导致规则搜索范围扩大，降低决策速度，甚至不能实时控制；
4.如何保证模糊控制系统的稳定性即如何解决模糊控制中关于稳定性和鲁棒性问题。
3.7 模糊控制系统
模糊控制以现代控制理论为基础,同时与自适应控制技术、人工智能技术、神经网络技术的相结合,在控制领域得到了空前的应用。
Fuzzy-PID复合控制
Fuzzy-PID复合控制是模糊技术与常规PID控制算法相结合，以达到较高的控制精度。当温度偏差较大时采用Fuzzy控制，响应速度快，动态性能好；当温度偏差较小时采用PID控制，使其静态性能好，满足系统控制精度。因此它比单个的模糊控制器和单个的PID调节器均有更好的控制性能。
自适应模糊控制
这种控制方法具有自适应自学习的能力，能自动地对自适应模糊控制规则进行修改和完善，以提高控制系统的性能。对于那些具有非线性、大时滞、高阶次的复杂系统有着更好的控制性能，也是本论文重点要研究的系统。